无尺度图k-中心点聚类算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第1章 绪论 | 第8-13页 |
| ·文本聚类的研究背景 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·本文的研究 | 第11-12页 |
| ·论文大纲 | 第12-13页 |
| 第2章 文本聚类的相关理论 | 第13-25页 |
| ·文本聚类的概述 | 第13-14页 |
| ·文本聚类的过程和模型 | 第14-18页 |
| ·数据预处理 | 第14-15页 |
| ·分词技术 | 第15-16页 |
| ·特征提取 | 第16-18页 |
| ·文本聚类中距离计算方法 | 第18-21页 |
| ·Minkowski距离 | 第19页 |
| ·Cosine距离 | 第19-20页 |
| ·Pearson距离 | 第20页 |
| ·扩展Jaccard距离 | 第20-21页 |
| ·Kullback-Leibler(KL)距离 | 第21页 |
| ·特征表示 | 第21-23页 |
| ·向量空间模型 | 第21-22页 |
| ·布尔模型 | 第22页 |
| ·概率模型 | 第22-23页 |
| ·概念集合表示法 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 基于知网的语义相似度计算 | 第25-33页 |
| ·《知网》简介 | 第25-27页 |
| ·知网的知识系统描述语言(KDML) | 第27-30页 |
| ·基于知网的语义相似度计算 | 第30-32页 |
| ·概念义原扩展法 | 第30-31页 |
| ·文本相似度的计算 | 第31页 |
| ·文本相似度计算的流程 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 无尺度图k-中心点聚类算法 | 第33-47页 |
| ·传统的文本聚类算法 | 第33-37页 |
| ·基于划分的方法 | 第33-35页 |
| ·基于层次的方法 | 第35-36页 |
| ·基于密度的方法 | 第36页 |
| ·基于网格的方法 | 第36-37页 |
| ·基于模型的方法 | 第37页 |
| ·文档图集的建立 | 第37-38页 |
| ·无尺度图K-中心点聚类算法 | 第38-46页 |
| ·无尺度网络理论 | 第38-41页 |
| ·文档图集的聚类 | 第41-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 实验和分析 | 第47-57页 |
| ·实验和结果 | 第47-51页 |
| ·文本数据集 | 第47-48页 |
| ·实验环境 | 第48-49页 |
| ·评估聚类效果的方法 | 第49-51页 |
| ·实验结果对比 | 第51-56页 |
| ·基于《知网》的文本相似度的实验结果与分析 | 第51页 |
| ·聚类算法的准确率实验分析 | 第51-54页 |
| ·算法实验优点和不足的比较分析 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 在学期间的研究成果及发表的论文 | 第66页 |
